跳转至

SWE-agent

为软件工程 Agent 设计面向仓库浏览、编辑和测试的 Agent-Computer Interface。

论文信息

字段 内容
论文链接 SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering
公司 / 机构 Princeton University
首次公开日期 2024-05-06
原作者代码 已开源
本地 adapter / method key swe-agent
本地复现代码 src/auto_research/agent_research/

原始论文总结

背景与主要改动

通用 shell 对 LLM 而言动作空间过宽、输出冗长。SWE-agent 用专门 ACI 约束仓库搜索、 文件查看、精确编辑和测试，让模型能围绕 issue 定位故障并验证 patch。

flowchart LR
    I["GitHub issue"] --> L["定位源码 / 测试"]
    L --> E["精确编辑"]
    E --> T["执行 regression tests"]
    T -->|失败| L
    T -->|通过| P["patch"]

原论文关键图

SWE-agent 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ a_t\sim\pi(\cdot|o_{\le t},I),\qquad o_{t+1}=\operatorname{ACI}(R_t,a_t). \]

论文离线与线上效果

论文在 SWE-bench 上验证 ACI 对自动修复真实 GitHub issue 的提升；这是离线软件工程 benchmark，不是生产线上 A/B。

本地复现

本地 ACI 只暴露读文件、写 solution.py 和固定 unittest 命令；每题初始仓库必须先 真实失败，Agent 定位、编辑并以退出码验证。

auto-research agent-eval --method swe-agent --benchmark swebench-local \
  --episodes 12 --seed 42

稳定指标： agent-code-sandbox-seed42.json。

复现边界

这是可执行的 SWE-style micro benchmark，不是官方 SWE-bench Lite 数据与 Docker 镜像。名称 swebench-local 明确保留该区别，不能将本地 success 当作论文 resolved rate。